| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-20页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 有意义帧提取算法分析 | 第12-13页 |
| 1.2.2 显著性检测算法分析 | 第13-15页 |
| 1.2.3 基于显著性的目标提取算法分析 | 第15页 |
| 1.2.4 视频摘要主要表现形式分析 | 第15-16页 |
| 1.3 论文主要内容及创新点 | 第16-18页 |
| 1.3.1 论文的主要内容 | 第16-17页 |
| 1.3.2 论文的主要特色及创新点 | 第17-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 2 基于CNN特征的域适应Egocentric视频有意义帧提取算法 | 第20-33页 |
| 2.1 相关工作 | 第20-22页 |
| 2.2 Egocentric视频有意义帧提取算法 | 第22-26页 |
| 2.2.1 基于CNN感知的特征空间计算 | 第22-24页 |
| 2.2.2 域不变空间特征相似度计算 | 第24-25页 |
| 2.2.3 有意义帧置信度计算 | 第25页 |
| 2.2.4 Egocentric视频有意义帧提取算法 | 第25-26页 |
| 2.3 实验结果对比与分析 | 第26-31页 |
| 2.3.1 数据集与评价指标 | 第26-27页 |
| 2.3.2 实验结果对比分析 | 第27-31页 |
| 2.4 本章小结 | 第31-33页 |
| 3 基于时空显著性的Egocentric视频显著目标提取算法 | 第33-54页 |
| 3.1 相关工作 | 第33-35页 |
| 3.2 算法概述 | 第35-37页 |
| 3.3 基于时间显著性的显著目标提取算法 | 第37页 |
| 3.4 基于空间显著性的显著目标提取算法 | 第37-47页 |
| 3.4.1 特征提取 | 第38-41页 |
| 3.4.2 像素显著性 | 第41-43页 |
| 3.4.3 区域显著性 | 第43-47页 |
| 3.5 时空显著性融合 | 第47-48页 |
| 3.6 实验结果与分析 | 第48-53页 |
| 3.6.1 定性分析 | 第49-50页 |
| 3.6.2 定量分析 | 第50-53页 |
| 3.7 本章小结 | 第53-54页 |
| 4 针对有意义目标的Egocentric视频摘要 | 第54-61页 |
| 4.1 相关工作 | 第54-55页 |
| 4.2 针对有意义目标的Egocentric视频摘要生成方法 | 第55-58页 |
| 4.2.1 针对有意义目标的Egocentric视频帧提取 | 第56-57页 |
| 4.2.2 针对有意义目标的Egocentric视频摘要生成 | 第57-58页 |
| 4.3 实验结果 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 5 工作总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61-62页 |
| 5.2 进一步的研究建议 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第68-70页 |
| 学位论文数据集 | 第70页 |
